(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111323572.X (22)申请日 2021.11.09 (71)申请人 南京澳博工业智能科技研究院有限 公司 地址 211899 江苏省南京市浦口区新北路1 号江北国际智谷A座1 1层 申请人 江西理工大 学 (72)发明人 鄂殿玉　崔佳鑫　范海瀚　许光泰　 苏中方　黄发源　李政权　翁凌熠　 谭聪　郑奇军　焦璐璐　邹瑞萍　 (74)专利代理 机构 北京中济纬天专利代理有限 公司 11429 代理人 黄攀 (51)Int.Cl. G06F 30/17(2020.01)G06F 30/27(2020.01) G06F 30/28(2020.01) G06F 111/10(2020.01) G06F 113/08(2020.01) G06F 119/14(2020.01) (54)发明名称 基于迁移学习优化液-固水力旋流器 分离性 能的方法 (57)摘要 本发明提出一种基于迁移学习优化液 ‑固水 力旋流器分离性能的方法， 该方法包括如下步 骤： 训练并建立液 ‑固水力旋流器在各工况下的 数据源域， 通过迁移学习对未知模态下的工况进 行建模， 以确定液 ‑固水力旋流器的特性参数； 获 取液‑固水力旋流器的经验特性参数； 根据液 ‑固 水力旋流器的特性参数以及所获取的经验特性 参数进行数值模拟； 通过数值模拟以确定得到通 过迁移学习所确定的液 ‑固水力旋流器的几何模 型； 计算气 ‑液两相流的流动特性、 空气柱特性、 固相流动特性以及液 ‑固水力旋流器的模拟分离 效率； 进而计算得到液 ‑固水力旋流器的最优分 离效率值。 本发明可高效地实现液 ‑固分离水力 旋流器分离性能的提升 。 权利要求书3页 说明书8页 附图5页 CN 114036670 A 2022.02.11 CN 114036670 A 1.一种基于迁移学习优化液 ‑固水力旋流器分离性 能的方法， 其特征在于， 所述方法包 括如下步骤： 步骤一： 训练并建立所述液 ‑固水力旋流器在各工况下的数据源域， 通过迁移学习对未 知模态下的工况进行建模， 以确定所述液 ‑固水力旋流器的特性 参数； 步骤二： 获取 所述液‑固水力旋流器的经验特性 参数； 步骤三： 根据所述液 ‑固水力旋流器的特性参数， 以及所获取的所述经验特性参数， 采 用二次正交旋转组合试验方法分别进行 数值模拟； 步骤四： 通过步骤三中的数值模拟分别确定得到通过迁移学习所确定的液 ‑固水力旋 流器的几何模型， 以及通过 所述经验特性 参数所确定的液 ‑固水力旋流器的几何模型； 步骤五： 利用计算流体动力学原 理， 仿真计算通过迁移学习所确定的液 ‑固水力旋流器 的几何模型对应的气 ‑液两相流的流动特性、 空气柱特性、 固相流动特性以及液 ‑固水力旋 流器的模拟分离效率， 以及仿真计算通过经验特性参数所确定的液 ‑固水力旋流器的几何 模型对应的气 ‑液两相流的流动特性、 空气柱特性、 固相流动特性以及液 ‑固水力旋流器的 模拟分离效率； 步骤六： 根据 各所述气 ‑液两相流的流动特性、 空气柱特性、 固相流动特性以及液 ‑固水 力旋流器的模拟分离效率， 确定得到所述液 ‑固水力旋流器的最优分离效率 值。 2.根据权利要求1所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 在所述步骤一中， 训练并建立所述液 ‑固水力旋流器在各工况下的数据源域， 通过迁 移学习对未知模态下的工况进行建模的方法具体包括如下步骤： 训练并建立所述液 ‑固水力旋流器在各工况下的数据源域， 其中， 所述数据源域中的数 据样本带有标签； 将未知模态下需要测试的新工况作为目标领域， 并基于迁移学习原理， 根据数据源域 以及目标 领域的数据构建特 征子空间。 3.根据权利要求2所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 在所述 步骤一中， 所述特性 参数包括物性 参数， 几何参数， 操作参数以及分离效率； 其中， 所述物性参数包括进口流速、 颗粒粒径、 进口密度差异、 颗粒浓度； 所述几何参数 包括进料管直径、 圆柱段直径、 圆柱段长度、 锥段上直径、 锥段下直径、 锥角、 溢流管直径、 溢 流管长度、 底流管直径以及底流管长度； 所述操作参数包括入口速度以及回流比。 4.根据权利要求2所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 在所述 步骤五中， 进行仿真计算时， 对应的仿真条件设置包括： 采用压力耦合； 基于隐式方程以及非稳态算法进行仿真计算； 构建流体积函数模型以 及气液两相环境； 入口采用速度入口， 溢流口和 低流口均采用压力出口； 压力速度耦合采用 压力校正法， 离 散格式采用PRESTO！ 格式。 5.根据权利要求2所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 在所述 步骤六之后， 所述方法还 包括： 将得到的所述液 ‑固水力旋流器的最优分离效率值， 输入至所述数据源域， 以缩小在进 行数据迁移计算迭代时的误差 。 6.根据权利要求2所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 在基于迁移学习原理， 根据数据源域以及目标领域的数据构建特征子空间的步骤中，权　利　要　求　书 1/3 页 2 CN 114036670 A 2包括： 利用欧式距离公式、 余弦相似度公式、 概率互信息公式、 信息散度公式、 JS距离公式、 最 大均值差异公式以及贪心 距离公式构建数据源域与目标 领域之间的关系。 7.根据权利要求6所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 所述欧式距离公式表示 为： 其中， dEuclidean表示所述欧式距离， x， y分别表示在空间模型上点x以及点y分别对应的 坐标， T为 转置矩阵操作； 所述余弦相似度公式表示 为： 其中， cos(x， y)表示点x与点y之间的余弦相似度， |x|， |y|分别为点x以及点y的绝对值 运算。 8.根据权利要求7所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 所述 概率互信息公式表示 为： 其中， I(X； Y)表示点x与点y之间的概率互信度， p(x， y)表示点x与点y之间具有共同特 征子空间的概率， p(x)表示点x具有独立子空间的概率， p(y)表示点y具有独立子空间的概 率； 所述信息 散度公式表示 为： 其中， DKL(P||Q)表示区域P与区域Q之间的信息散度， P(x)表示点x在区域P处的概率分 布， Q(x)表示 点x在区域 Q处的概率分布。 9.根据权利要求8所述的基于迁移学习 优化液‑固水力旋流器分离性能的方法， 其特征 在于， 所述JS距离公式表示 为： 其中， JSD(P||Q)表示JS距离， DKL(P||M)表示区域P与区域M之间的信息散度， DKL(Q||M) 表示区域 Q与区域M之间的信息 散度； 所述最大均值差异公式表示 为： 权　利　要　求　书 2/3 页 3 CN 114036670 A 3